如何在Pandas中计算DataFrame中连续datetime类型行的时间差（以秒为单位）

嘿，这个需求用Pandas处理起来超简单，我给你直接上可行的方案：

首先，你的temps列已经是datetime64[ns]类型了，这省去了类型转换的步骤。如果后续遇到非datetime类型的时间列，记得先用pd.to_datetime(df['temps'])转成标准时间格式。

核心代码实现 #

直接使用Pandas的diff()方法计算连续行的时间差，再通过dt.total_seconds()将Timedelta类型转换为秒数：

# 新增一列存储连续行的时间差（秒）
df['time_diff_seconds'] = df['temps'].diff().dt.total_seconds()

代码解释 #

• df['temps'].diff()：计算当前行与前一行的时间差值，返回的是Timedelta对象（比如-0 days 00:00:11这样的格式）
• .dt.total_seconds()：把Timedelta转换为总秒数，方便数值化使用
• 注意：结果的第一行会是NaN，因为没有前一行数据可以对比，这是正常现象

对应你提供的示例数据 #

用你给出的前5行temps数据计算后，time_diff_seconds列的结果会是：

0      NaN
1    -11.0
2     -1.0
3   -119.0
4   -480.0
Name: time_diff_seconds, dtype: float64

额外需求：获取时间差的绝对值 #

如果不需要正负（只关心时间间隔的长度），可以加上abs()：

df['time_diff_seconds_abs'] = df['temps'].diff().dt.total_seconds().abs()

内容的提问来源于stack exchange，提问作者miss-chl